首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于有监督深度学习的抽取式多文档自动摘要研究

摘要第10-13页
ABSTRACT第13-15页
第一章 绪论第16-24页
    1.1 研究背景第16-18页
    1.2 本文的研究内容及意义第18-20页
    1.3 本文的贡献及创新点第20-22页
    1.4 本文的组织结构第22-24页
第二章 相关工作第24-34页
    2.1 基于非监督的方法第24-28页
        2.1.1 基于规则的方法第24-25页
        2.1.2 基于中心性的方法第25-26页
        2.1.3 基于主题的方法第26-27页
        2.1.4 基于深度学习的方法第27-28页
    2.2 基于监督的方法第28-31页
        2.2.1 基于特征工程的方法第29-30页
        2.2.2 基于深度学习的方法第30-31页
    2.3 抽取式摘要的句子选择框架第31-32页
    2.4 本章小结第32-34页
第三章 相关预备知识第34-40页
    3.1 卷积神经网络模型第34-35页
    3.2 循环神经网络模型第35-37页
    3.3 注意力机制第37-38页
    3.4 本章小结第38-40页
第四章 基于句子上下文关系的一般多文档摘要深度学习模型第40-64页
    4.1 概述第40-43页
    4.2 问题形式化第43-44页
    4.3 基于上下文关系的摘要第44-51页
        4.3.1 基于先验的摘要模型(PriorSum)第45-46页
        4.3.2 基于句子上下文关系的摘要模型(CSRSum)第46-50页
        4.3.3 基于表面特征的摘要模型(SFSum)第50页
        4.3.4 基于贪婪算法的句子选择第50-51页
    4.4 实验设置第51-53页
        4.4.1 数据集及评测指标第51-52页
        4.4.2 实现细节第52-53页
        4.4.3 对比方法第53页
    4.5 实验结果第53-55页
    4.6 实验分析第55-63页
        4.6.1 例子分析第56-59页
        4.6.2 与传统特征的比较分析第59-60页
        4.6.3 学习策略的比较分析第60-62页
        4.6.4 两层注意力机制的比较分析第62-63页
    4.7 本章小结第63-64页
第五章 基于查询语句关系的多文档摘要神经注意力模型第64-82页
    5.1 概述第64-66页
    5.2 基于查询句子关系的摘要第66-71页
        5.2.1 基于查询句子关系的摘要模型(QSRSum)第68-69页
        5.2.2 基于标题句子关系的摘要模型(TSRSum)第69-71页
    5.3 实验设置第71-73页
        5.3.1 数据集及评测指标第71-72页
        5.3.2 实现细节第72-73页
        5.3.3 对比方法第73页
    5.4 实验结果第73-75页
    5.5 实验分析第75-81页
        5.5.1 例子分析第75-76页
        5.5.2 学习策略的比较分析第76-78页
        5.5.3 不同子模型的有效性分析第78-80页
        5.5.4 两层注意力机制的比较分析第80页
        5.5.5 句子选择中的阈值参数敏感性分析第80-81页
    5.6 本章小结第81-82页
第六章 冗余性感知的句子回归摘要框架第82-96页
    6.1 概述第82-83页
    6.2 冗余性感知的句子回归摘要框架第83-85页
        6.2.1 传统句子回归摘要框架形式化第83页
        6.2.2 冗余性感知的句子回归摘要框架形式化第83-85页
    6.3 基于新框架的一种特征工程实现第85-88页
        6.3.1 目标函数第85-86页
        6.3.2 自适应随机训练算法第86-87页
        6.3.3 句子重要性特征和句子关系特征第87-88页
    6.4 实验设置第88-90页
        6.4.1 数据集及评测指标第88页
        6.4.2 实现细节第88-89页
        6.4.3 对比方法第89-90页
    6.5 实验结果及分析第90-94页
        6.5.1 第一个句子选取策略第90-91页
        6.5.2 结果分析第91-92页
        6.5.3 传统框架参数敏感性分析第92-93页
        6.5.4 训练过程收敛性分析第93-94页
    6.6 本章小结第94-96页
第七章 总结与展望第96-100页
    7.1 主要工作总结第96-98页
    7.2 未来工作展望第98-100页
参考文献第100-120页
致谢第120-122页
攻读学位期间发表的论文第122-124页
攻读学位期间参加的科研工作第124-125页
攻读学位期间获得的奖励第125-126页
外文论文第126-195页
学位论文评间及答辩情况表第195页

论文共195页,点击 下载论文
上一篇:分组密码路线的自动化搜索及SM4、SPECK线性分析
下一篇:乘性噪声随机系统LQ最优控制与镇定性研究